Blogg
05.08.23
Digitale tvillinger på kanten
x-faktoren
MK
Digitale tvillinger (DT) har vært blant oss i vannkraftbransjen en god stund. Løst definert er dette numeriske modeller av virkelige objekter og systemer, og der det eksisterer en viss kommunikasjon fra virkeligheten til modell. DT kan da analysere kontinuerlig og gi økt forståelse av virkeligheten og dermed bidra til bedre overvåking og tilstandskontroll. Når den digitale tvillingen i tillegg blir satt på kant blir det spennende. Les videre for å lære om digitale tvillinger, kantløsninger og kombinasjonen.
Tradisjonelt har numeriske modeller blitt brukt i utforming og design, og i parallell brukt for sannsynligjøring av løsningene og tilmed for innsalg. Etter komponent eller system er etablert, brukes modellene for dokumentasjon bl.a. for å teste tilstander som ikke kan gjenskapes i en FAT eller SAT. Til sist kan modellene brukes for trøbbel-skyting for å etablere årsak for observerte uønskede eller uplanlagte effekter. Når bruken av modeller skjer etter en komponent eller system er etablert må det være et stort samsvar mellom virkelighet og modell. Det er på dette tidspunktet modellen kan kalle seg en digital tvilling. For eksempel må nå virkningsgrad på turbin endres fra estimert, eller garantert av fabrikk, til den som er målt i en garantimåling etter gjeldende standard. I noen sammenhenger brukes begrepet virtual commissioning, eller virtuell idriftsettelse, for digitale- tvillinger som settes i arbeid. I løpet av idriftsettelsen bør relevante parametere eller innsatser i modellen kontrolleres og avvik, for eksempel stivhet i akselopplagring, må korrigeres. Dette gjøres for å sikre at resultatene fra analysene i en digital tvilling er realistiske og pålitelige, og representerer virkeligheten.
Kantanalyse er den behandlingen som skjer på rådatastrømmer nær kilden. Dette kan være første statistiske analyse og nedsampling. Dette kaller vi gjerne aggregering eller datareduksjon. I tillegg kan vi kombinere datakilder og skape nye parametere. Et eksempel er når vi med målt vannføring (q) og temperatur (T,spalt) i spaltevann og målt temperatur på vannet som går gjennom turbin (T,turbin) bestemmer effekttapet (P) i spalten som: P= rho * q * c,P * (T,spalt- T,turbin); der tetthet (rho) og varmekapasitet (c,P) også kan beregnes fra kjent temperatur og trykk. I prinsippet har vi nå en virtuell sensor for P. Beregningen av P kan skje i samme tempo som verdier leveres fra sensorer for beregning av P.
En digital tvilling som kjøres på kant blir gjerne omtalt som xDT, eller executable eller kjørbar Digital tvilling. I den grad den opprinnelige tvillingen er basert på en stor 3D modell, CFD eller FEA, vil dennes xDT være en redusert versjon av opprinnelig modell. For 1D modeller, der komponenter er representert med sine ytelseskarakteristikker, kan denne kjøre mer eller mindre uendret på kant. For vannkraftverk vil en xDT basert på 1D CFD for vannveien bruke reservoarnivåer, og estimert vannføring i bekkeinntak, sammen med åpningsgrad på ledeskovler for å beregne øyeblikkelig og fremtidig(!) dynamikk i systemet. En slik xDT kan være en virtuell sensor og gi informasjon om systemtilstand i områder som er vanskelig å instrumentere. Typiske eksempel er øyeblikkelige angivelse av nivå i svingesjakt og hastigheter i forskjellige tunneltverrsnitt i vannveiene.
- Sammenligning 1D CFD beregning, med oppgitte tverrsnitt på tunneler og svingesjakter, og målinger. Dette er modell før virtuell idriftssettelse, altså før modellen er blitt en digital tvilling.
I dette innlegget har vi gitt vår definisjon av digitale tvillinger og kantanalyse. Når digitale tvillinger kjører på kant har vi en kjørbar digital tvilling (xDT). En xDT er også basis for virtuelle sensorer som i praksis skaper økt innsikt ved å kontinuerlig presentere informasjon som ikke blir målt direkte. Vi har definert virtuell idriftsettelse som aktiviteten som gjør at vår virtuelle eller numeriske modell representerer det fysiske objektet eller systemet slik det er bygd. Alle disse begrepene er også grunnlaget for en type verdiskapning og verdiøkning av datastrømmer vi allerede finner i kraftverksmiljø. Ved å beherske alle disse innsatsene, og samtidig involvere riktige brukergrupper i kraftverk og selskapet, kan det etableres løsninger som er nyttige og varige.
FDB har etablert et miljø for kantanalyse i sin HydroCord-løsning. Ved å kombinere data, og tilføre spesiell analyse, har vi virtuelle sensorer for kavitasjonsintensitet, steintelling og kontinuerlig virkningsgrad. HC miljøet er i stand til å kjøre 1D modeller som kjørbar digital tvilling (xDT) og dermed gjøre en kontinuerlig verdiøkning på rådatastrøm
Mange av faguttrykkene brukt i teksten, slik som xDT og virtuell idriftssettelse, var nye for forfatteren inntil en deltagelse på Siemens Software- Realize LIVE Europe i Munchen i juli 2023. Siemens investerer mye tid og krefter på å utvikle området, og vil fortsette å inspirere oss som er interessert i koplingen mellom den digitale og virkelige verden. FDB bruker Simcenter Flomaster fra Siemens for 1D CFD simulering av blant annet kraftverksrelaterte systemer.
Siste innlegg
05.08.23
30.07.23
26.05.23
09.03.23
09.02.23
07.02.23
27.01.23
26.05.23
30.07.23
Maskinlæring eller fysiske forståelse- Ja takk begge deler!
MK
Maskinlæring (ML) og kunstig intelligens (KI) er begreper vi blir mer fortrolig med, og samtidig som vi opplever at både bruk og forventet bruk øker i alle sammenhenger. I vannkraftbransjen i Norge er det flere initiativer som utnytter potensialet som KI og ML muliggjør både for overvåking og tilstandskontroll. Vil disse metodene erstatte klassisk overvåking basert på fysisk forståelse for komponenter og system i vannkraft? Neppe! Vi prøver i denne bloggen å gi et svar på hvorfor ML og KI er mer å betrakte som et komplement til eksisterende eller klassiske systemer og ikke minst kompetanse.
En klassisk overvåking av vannkraftmaskineri baserer seg ofte på prinsippet at en direkte måling av tilstander har fysisk forklaringer. En økning i temperaturnivå på olje i lager forteller at oljesirkulasjon er hindret eller at en skade i lagret er blitt en ny varmekilde. Økende, eller endret, vibrasjon forteller at noe er løst eller at strukturen er skadet. Felles er at alle disse tilstandene kan modelleres i et fysisk rammeverk. Dette kan være analytiske metoder med blyant og papir og basert på kompetanse, ved å løse tunge fysiske modeller som løses numerisk, eller lettere modeller som digitale tvillinger som er inkludert i kontinuerlig overvåking. De fleste ML algoritmer vil imidlertid frigjøre seg fra eksisterende fysiske modeller, men heller prøve å finne en lært sammenheng mellom målte verdier (data). Disse sammenhengene vil i beste fall ha flyktige statistiske sterke korrelasjoner mellom enkelte verdier, eller korrelasjoner som vektlegges i en fysisk modellering. I utgangspunktet vil derfor opplagte avvikende tilstander fanges opp av både ML og fysiske modeller, men der ML i utgangspunktet ikke peker på årsak- effekt forholdet. Dette er også en fordel med ML. Nemlig at mulig avvikende tilstander detekteres uten klar årsakssammenheng, men likevel forsvarer økt innsats på overvåking av enheten eller systemet.
For ML å detektere reelle avvik kreves det store mengder læringsdata fra alle typer drift som oppstart, nedstenging, alle effektområder med forskjell i reservoarnivå og så videre. Alle disse læringsdata er forhåpentligvis laget i en periode der maskinen opererer feilfritt. Etter læring vil modellen kunne dektere avvik fra det ML oppfatter som normalt. Dersom aggregatet nå gjennomgår en revisjon av lager eller andre komponenter må imidlertid all tidligere læring forkastes og et nytt læringssett må etableres.
Dette er en ulempe med ML, nemlig at bidraget fra en komponent til ML algoritmen for et system ikke kan identifiseres og byttes ut. Denne ML- ulempen alene tilsier at fysikk-basert overvåking vil være nødvendig i overskuelig fremtid. I en fysisk modell kan ny stivhet i lagret inkluderes, og effekt på roterende dynamikk kan forutsies for drift etter revisjon. Fysikalske vurderinger vil uansett alltid være til stede blant annet som absolutte grenser i systemer for vern. Dersom akselkastet etter revisjon av lager overstiger klaring i lager må vi stenge ned enheten!
- v. Kontroller som inkluderer virtuell sensor basert på digital tvilling realisert gjennom Simcenter Flomaster, og v. samme system evaluert vha analytiske metoder.
I FDB er holdningen at ML og KI og fysiske modeller, gjerne som digitale tvillinger, vil sameksistere i mange år. Vi tror ML er viktig for å gi tidlig indikasjon eller varsel på at noe skurrer, men vi tror også fysiske modeller, både tunge numeriske fysiske modeller og digitale tvillinger som kan betraktes som denne lette(!) fysiske modellen, kan være nyttige for diagnose og før alvorlig skade skjer.
FDBs HydroCord er en plattform der rådatastrømmer fra sensorer og andre datakilder gjøres tilgjengelig for kontinuerlig og nær sanntids analyse. På denne plattformen kan både ML algoritmer og digitale tvillinger kjøres samtidig som kantanalyser og indikasjoner, varsler og diagnoser kan produseres og videresendes og presenteres relevante mottagere.
26.05.23
Kavitasjon i vannturbiner- Sikker drift med bedre overvåking
MK
Vi definerer kavitasjon som dannelse og kollaps av dampbobler i strømningssystemer som opererer med lave absolutte trykk eller høye hastigheter på vannet. Konsekvens av kavitasjon i vannturbiner kan være erosjon på materialoverflater nær der bobler kollapser, store trykkvariasjoner som skaper utmattingslaster og reduksjon av ytelse. I vannkraft kan vannturbiner ha begrensninger i tillatt driftsområdet for å unngå slike konsekvenser, men der selve grensen på drift kan være basert på observasjoner som har liten konsekvens. Et måleoppsett kan være med å sette mer realistiske grenser for drift av turbinen.
Den typiske vannturbinen har en svært høy hydraulisk virkningsgrad, og strømningen er ideell i forhold til turbinen sitt innløp og utløp ved optimalt driftspunkt eller bestpunkt.
Likevel vil det alltid være såkalte sekundære strømninger; altså strømninger som ikke er del av opprinnelig design. Dette inkluderer blant annet lekkasjestrømninger gjennom spalter og mellom endeflater på ledeskovler og lokk, hesteskovirvler på innløp av ledeskovler og løpehjul, og vaker nedstrøms ledeskovler.
Sekundære strømningsfelt fra ledeskovlene vil være med å forsterke trykkpulsasjoner, såkalt rotor-stator-interaksjon (RSI), som oppstår på innløpskanten på løpehjulsskovlene.
Ved drift utenfor bestpunkt kan det oppstå lokale lave trykk nær innløpskanten. Dette sammen med trykkpulsasjoner som RSI, og naturlig forekommende virvler, kan gi opphav til særlig intens innløpskavitasjon. Ved avløpet av skovlene vil det være risiko for syklisk avløsning, og dersom trykket faller slik at kavitasjon oppstår blir avløsningen forsterket og kraftamplituden på bladet kan mangedobles.
Normalt vil det være bobledannelser nær utløpskanten på løpehjulet. Disse boblene tas med strømningen og kollapser i vannmassen nedstrøms turbinene. Denne type kavitasjon assosieres likevel med støy og blir ofte brukt som indikasjon for uønsket driftsområde. Nå vil denne typen kavitasjon normalt ikke medføre ulempe for turbinen, men hvordan kan vi være sikre på det?
I samarbeid med Professor Xavier Escaler ved det Polytekniske Universitetet i Catalonia i Barcelona utviklet og testet FDB instrumenter for måling av kavitasjonsintensitet. Motivasjonen for dette arbeidet var studier på sammenheng mellom vannkvalitet og kavitasjonsintensitet.
Studiet ble gjort som et NæringsPhD prosjekt for Jarle Ekanger hos FDB, nå PhD og ansatt i FDB, og med NTNU som vertsinstitusjon. Systemet tar utgangspunkt i at erosiv og intens kavitasjon er dampvolum som kollapser over materialoverflater og skaper en høyfrekvent ringing som sprer seg i hele løpehjulsgodset, gjennom aksel og lager. Med denne signalveien vil ringingen være målbar på stasjonær deler, og det er det vi utnytter for instrumentering. Vi bruker høyfrekvente akselerometer og såkalte akustiske emisjonssensorer plassert på lagerlokk og flater. Måleverdien hentes i høy hastighet, opptil 250000 verdier per sekund per kanal, digitaliseres og prosesseres med en algoritme. Algoritmen leter spesielt etter amplitudemodulasjon av den høyfrekvente ringingen og for modulasjonsfrekvenser lik den for utvalgte trykkpulsasjoner som RSI. Med dette oppsettet kan vi si 1) om maskinen opplever kavitasjon og 2) om det er typer av kavitasjon vi knytter til kjente typer erosiv kavitasjon.
For et typisk kraftverk kan kavitasjonsovervåking fra FDB være med å kartlegge grenser og varsle grenseoverskridelser for når mulig skadelig kavitasjon oppstår. Grensene vil være funksjon av pådrag, fallhøyde over turbinenheten, men også trykket nedstrøms turbinen.
Kavitasjonsovervåkingen fra FDB kan også betraktes som en analysedel i HydroCord løsningen til FDB. Dersom målingene inkluderes med HydroCord har kraftverket nå et kraftfullt verktøy som henter data, analyser data, transporterer data og resultater, og presenterer og leverer informasjon på formater og måter som kan tilpasses mottakere som driftssentraler, vedlikeholds-team, prosjektgrupper osv.
Oppsummert kan man ved å installere FDB sitt kavitasjonsovervåkingssystem drifte turbinen gunstig i forhold til marked, vannsituasjon, systemtjenester og inntjening, men samtidig være sikker på at turbinen ikke blir utsatt for unødvendig skade og slitasje på grunn av kavitasjon.
09.03.23
4 år med EU finansiert utvikling av injeksjonssystemet
MK
FDB deltar i et EU finansiert forskningsprosjekt, AFC4Hydro, som avsluttes i 2023. Prosjektet har vært meget bra for FDB og vi har fått lov å satse på utvikling som ville vært umulig uten støtten fra EU. I denne bloggen starter jeg med å fortelle om søknadsprosessen, konsortiet eller samarbeidspartnere og avslutter med FDBs bidrag til utover egen utvikling.
Søknadsprosessen
Når konsortiet, eller gruppen av samarbeidspartnere i prosjektet, ble enige om å prøve å søke ble det også enighet om å skrive søknaden selv. Da vi var tre hovedbidragsytere ble det også mulig å skrive dette sammen og samtidig. Tidlig søkte FDB støtte fra PES ordningen i Forskningsrådet. PES ordningen gir direkte økonomisk støtte som kan betraktes som frikjøp for å skrive søknad. Vel så viktig er at PES ordningen betaler for et antall timer med assistanse fra ekstern ekspert eller konsulent.
Vårt konsortium fikk kontakt med en fra Italia som gjorde store og viktige bidrag spesielt til disposisjon og vektlegging av innhold I søknad. Etter innlevering ble det noen måneder med venting, til nesten alt var glemt og man plutselig får beskjed at prosjektforslaget har fått midler.
Samarbeidspartnere
Man velger sine venner og prosjektpartnere. En viktig faktor for suksess i prosjekter som AFC4Hydro er sammenfallende interesser, men forskjellige tilnærminger. FDB kompletterer AFC4Hydro med måleteknisk kompetanse og en første generasjon av injeksjonssystemet. Andre partnere i prosjekt bidrar med kompetanse knyttet til blant annet laboratorietesting og numerisk analysekompetanse. Andre partnere stiller med hele kraftverk der teknologi kan testes og valideres. Sistnevnte er ord om benyttes for å beskrive Technology Readiness Level (TRL), eller modenhet på teknologi. AFC4Hydro har som formål å bringe teknologi fra verifisert i laboratorieskala til validert i relevant industrielt miljø.
- Bilde 1.Ulike steder hvor injeksjonssystemet ble eller vil bli testet.
FDBs bidrag
FDB anser injeksjonssystemet som en spesiell variant av strømningskontrolløsninger for vannkraftmaskineri. For å tilrettelegge også for andre varianter har FDB gjennom EU prosjektet også engasjert seg i standardardiseringsarbeid. Formålet har vært å gi råd og anbefalinger knyttet til kommersielle transaksjoner knyttet til strømningskontrollteknologi generelt.
Det er mye arbeid med EU prosjekt, både faglig men også administrativt. I perioder har FDB ønsket å nedprioritere arbeidet med AFC4Hydro, men i sum har deltagelsen vært positiv. Dersom vi får sjansen, blir FDB gjerne med på et nytt EU forskningseventyr.
- Bilde 2. AFC4Hydro Team etter å ha mottatt den europeiske finansieringen.
Sjekk mer om AFC4Hydro!
09.02.23
Introduksjon til virkningsgradsmålinger på vannturbiner
MK
Virkningsgradsmåling på vannkraftmaskiner er beskrevet i standarden IEC 60041:1991. I Norge er den vanligste måten for virkningsgradsmåling basert på den såkalte «Termodynamiske metoden». I dette innlegg blir det gitt en første introduksjon til metoden.
For å bestemme hydraulisk virkningsgrad (𝜂Hydr) til en vannturbin bruker vi ofte den målte temperaturforskjellen på termometre montert opp- og nedstrøms turbinenheten. Argumentet er at tap gjennom enheten gir en økning av vannets temperatur. En første tilnærming forteller oss at når den totale fallhøyden (∆H) benyttes til oppvarming, eksisterer følgende relasjon mellom potensiell energi og økningen av temperatur: 𝑚 ∙ 𝑔 ∙ ∆H = 𝑚 ∙ 𝑐p ∙ ∆𝑇. Gitt at varmekapasiteten (𝑐p) av vannet tilsvarer omtrent 4200 J / (kg * K), beregnes temperaturøkningen (∆𝑇) for en fallhøyde lik ∆H = 428m til ∆𝑇 = 1K når tyngdekraften (g) tilsvarer g = 9,81 (m * s-2). 428m er i et typisk område for en høytrykks Francis-enhet. Gitt at den hydrauliske virkningsgraden gjerne når 95%, trenger termometrene derfor å fange opp en temperaturforskjell på 50mK (eller 0,05K).
TERMODYNAMISK METODE
Metoden for å bestemme hydraulisk virkningsgrad ved å måle temperaturforskjellen (∆𝑇) kalles vanligvis den «termodynamisk metode».
IEC41 beskriver prosedyrer for hvordan man fullfører og bestemmer nøyaktigheten av slike målinger. Samme standard beskriver også hvordan man benytter andre metoder for å bestemme virkningsgrad. En klasse metoder tilnærmer problemet ved en direkte måling av vannføring (Q) gjennom enheten. En kjent vannføring tillater beregning av totaltrykket:
Δ𝐻 = hStat+ (1/2𝑔) * (𝑄 / 𝐴)2,
der hStat er veggtrykk målt på og A er tverrsnittareal på rør opp og nedstrøms turbinen.
Med kjent Q, og når man kombinerer DH med den målte generatoreffekten (𝑃Gen), beregnes den hydrauliske virkningsgraden direkte og noe forenklet som:
𝜂Hydr = 𝑃Gen / [(𝜌 ∙ 𝑄)𝑔 ∙ Δ𝐻]
der 𝜌 er tetthet på vannet.
- Bilde 1. Oppstrøms sonde som inneholder termometer og trykkuttak.
For «termodynamisk metode» gir prosedyren, i tillegg til virkningsgrad, en nøyaktig bestemmelse av vannføringen (Q). Følgende relasjoner gjelder og noe forenklet:
𝜂Hydr = 1−(𝑐p∙Δ𝑇)/(𝑔∙Δ𝐻) &
𝑄=𝑃Gen/(𝜌𝑔∙Δ𝐻−𝜌𝑐p∙Δ𝑇).
Totaltrykket ∆H er en funksjon av Q kvadrert og løsning av Q krever derfor en iterasjonsalgoritme. I uttrykkene over er generatorvirkningsgrad ikke inkludert.
En typisk måling kan ta opptil to dager. Enheten må blant annet gjøres trykkløs ved montering av sonden som vises ovenfor og som er den som gir temperaturer og trykkavlesninger oppstrøms turbinen. Når alt er på plass benyttes mellom 10 og 30 minutter ved hvert driftspunkt for å få måledata av høy kvalitet. Vanligvis gjøres datainnsamling for 8 til 12 driftspunkt, og vanligvis med flere målinger nær beste virkningsgrad. Grafikken nedenfor viser et eksempel på målt temperaturforskjell og beregnet volumstrøm fra en typisk norsk høytrykks Francis-turbinenhet. Enheten er anonymisert.
- Bilde 2. Eksempel på målt temperaturdifferanse (∆T) og vannføring (Q) på en typisk høytrykks Francis-turbin.
En virkningsgradsmåling basert på den Termodynamisk metoden krever flere nøyaktige og kalibrerte sensorer i tillegg til avlesninger fra sekundære kilder. Sammen med Hafslund-ECO eier, vedlikeholder og utvikler FDB et komplett måleoppsett for den termodynamisk metode. Ett mål med utviklingen er å automatisere og gjøre en samtidig innsamling av alle relevante måleverdier. Samtidig ønsker vi å gi en kontinuerlig oppdatering, presentasjon og deling av resultater i løpet av hver måling. På denne måten oppnår vi bedre kontroll, kvalitet, og samtidig et større engasjement hos kraftselskapene der vi måler.
Denne blogen er en oversettelse av versjon på AFC4Hydro
07.02.23
Massive kantanalyser på kraftstasjonen
MK
Kantanalyser, som vi definerer de, er analyser som er avhengig av måledata og som samtidig gjøres nær kilden til samme måledata. I vannkraftsammenheng betyr dette i praksis en analyse som kjøres på en dataprosesseringsenhet i kraftstasjonen. Samtidig definerer vi massive analyser som algoritmer som krever rådata med høy samplingshastighet fra både uavhengige sensorer og fra kontrollanlegget i stasjonen. I dette innlegg vil vi med et eksempel peke på utfordringer massive kantanalyser kan medføre og skissere hvilke løsninger som svarer på de samme utfordringene.
En hellig-gral for kantanalyse er å ha digitale tvillinger som er basert på direkte sanntidsberegninger av strømning og strukturbelastning på høyoppløselige 3D modeller av geometri. En slik hellig-gral kan være uoppnåelig fordi mer oppløsning krever bl.a. mer kunnskap om ujevnheter i geometri som kun er oppnåelig gjennom detaljert 3D scanning. Langs veien til målet er det mer sannsynlig med løsninger som eksempelvis neurale-nettverk (NN) som er trent på både 3D- beregninger på nominell geometri og måledata fra objektet som skal overvåkes. Et slikt NN kan nå effektivt estimere laster ved å bruke relevante datastrømmer som input.
Selv om et NN representerer en reduksjon i beregningskompleksitet vil et NN være en ressurskrevende beregningsprosess. I tillegg må et NN tidvis oppgraderes når nytt treningsmateriell blir gjort tilgjengelig. Disse kravene gjør at prosessen bør kjøres der måledata skapes, det vil si i prosess eller OT nettverk, men også være tilgjengelig i et IT-nettverk som forenkler oppdatering av prosessen. De to nevnte nettverkene er i utgangpunktet adskilte og nettverksarkitektur blir raskt et tema ved etablering av løsninger for massive kantanalyser. Broen for datastrømmer mellom OT og IT nettverk kalles DAQ-Gateway, se figur:
- Bilde 1. OT og IT er hhv Operasjon og Informasjonsteknologi. DAQ Gateway tilrettelegger for sikker transport av data mellom OT og IT nettverk.
FDB jobber daglig med problemstillinger knyttet til digitalisering av måledata, tilrettelegging av kontinuerlige analyser og transport av data gjennom og mellom OT og IT nettverk. Sentralt i våre løsninger for nettverksarkitektur finnes det som minimum en Win OS prosesseringsenhet som kan være vert for en massiv kantanalyse. Ved å benytte HydroCord fra FDB har kraftverket forberedt seg godt for håndtering av data, men også lagt til rette for massive kantanalyser.
Mer kommer på PTK 2023!
27.01.23
Brukeropplevelse (UX) og design-prosesser
MK
I en travel arbeidshverdag er det flere verktøy for innhenting og presentasjon av data vi må forholde oss til for å gjøre våre tilbakemeldinger og beslutninger. Verktøyene er ikke nødvendigvis tilpasset oss som brukere, men likevel lager vi en arbeidsflyt som gjør at vi kan levere. Ved å bruke design-prosesser kan resultatet bli en dataflyt og behandling, fra målinger på sensornivå og til vi videresender underlag for investeringsbeslutning, som føles mer riktig og mer intuitiv. Vi har da forbedret vår brukeropplevelse.
- Bilde 1. Brainstorming - oppdagelsesfasen
Design-prosessen og FDB prosessen
Design-prosessen er en definert og etablert metode for hele løpet fra problem-definisjon til ferdig løsning eller produkt og som søker å øke eller skape høy brukeropplevelse. En slik løsning kan være en effektiv arbeidsflyt og slik det ble nevnt i innledning. En arbeidsflyt er i utgangspunktet personlig, men en design-prosess kan bidra til å forbedre arbeidsflyt for alle som er avhengig av deler av samme datastrøm. En sideeffekt av å gjennomføre en design-prosess for flere brukere er derfor økt forståelse mellom brukergrupper og i beste fall økt samarbeid mellom brukergrupper og avdelinger i en bedrift.
Selve designprosessen kan gjennomføres på flere måter. Typisk samler vi personer fra flere brukergrupper og benytter tavle, tusj og merkelapper som verktøy. Først starter en utforskningsfase der problem og utfordringer blir spilt inn. Moderator for prosessen grupperer og sorterer innspill fra brukere på tavlen. I neste omgang prioriterer gruppene ved hjelp av forskjellige teknikker hvilke utfordringer og problemer som skal prioriteres. På dette tidspunktet har vi definert problemet.
Nå starter en løsningsfase. Dette kan inkludere behov for nye instrumenter, nye analyser, tilgang til data, tidsoppløsning på data, måter data presenteres og lagres.
I forslag til løsninger kan såkalte mock-ups eller liksom-løsninger brukes for å opprette tilbakemeldingssløyfer.
F.eks kan brukergrensesnitt (UI) modelleres ved et sett av statiske eller animerte bilder.
FDB bruker designprosessen, eller FDB prosessen, som en effektiv metode for å definere og løse problemer som er viktige for oss, men som også har en positiv effekt for våre kunder. Da FDB-prosessen forbedrer og effektiviserer oppgaver og rutiner som må gjøres opplever alle at innsatsen i andre enden frigjør mer tid til de spennende oppgavene. FDB kan assistere med design-prosessen hos kunder. En slik assistanse kan være spesielt nyttig ved installasjon av HydroCord da denne setter i gang nye datastrømmer og muligheter som kan bidra til en bedre arbeidsflyt for de fleste som jobber med vedlikehold, produksjon, prosjektering og økonomi i vannkraftsektor.
- Bilde 2. FDB Prosessen